Zrozum, jak uziemić swój model językowy

  • 6 min

Modele językowe wiodą prym w generowaniu angażującego tekstu i są idealne jako baza dla agentów. Agenci zapewniają użytkownikom intuicyjną aplikację opartą na czacie, aby otrzymywać pomoc w swojej pracy. Podczas projektowania agenta dla określonego przypadku użycia chcesz upewnić się, że model językowy jest uziemiony i korzysta z informacji faktycznych, które są istotne dla potrzeb użytkownika.

Chociaż modele językowe są trenowane na ogromnej ilości danych, mogą nie mieć dostępu do wiedzy, którą chcesz udostępnić użytkownikom. Aby upewnić się, że agent jest oparty na określonych danych, aby zapewnić dokładne odpowiedzi zgodne z wymogami domeny, możesz użyć Generowania wspomaganego pobieraniem (RAG).

Zrozumienie RAG

RAG to technika, której można użyć do uziemienia modelu językowego. Innymi słowy, jest to proces pobierania informacji istotnych dla początkowego monitu użytkownika. Ogólnie rzecz biorąc, wzorzec RAG obejmuje następujące kroki:

Diagram wzorca generowania rozszerzonego pobierania.

  1. Pobieranie danych uziemisowych na podstawie początkowego monitu wprowadzonego przez użytkownika.
  2. Rozszerz monitu przy użyciu danych źródłowych.
  3. Użyj modelu językowego, aby wygenerować uzasadnioną odpowiedź.

Po pobraniu kontekstu z określonego źródła danych upewnij się, że model językowy używa odpowiednich informacji podczas odpowiadania, zamiast polegać na danych treningowych.

Użycie algorytmu RAG to zaawansowana i łatwa w użyciu technika w wielu przypadkach, w których chcesz uziemić model językowy i poprawić dokładność faktów odpowiedzi aplikacji generowania sztucznej inteligencji.

Dodawanie danych uzasadniających do projektu AI w Azure

Korzystając z Microsoft Foundry, można utworzyć agenta niestandardowego, który używa własnych danych do podbudowywania zapytań. Rozwiązanie Microsoft Foundry obsługuje szereg połączeń danych, których można użyć do dodawania danych do projektu, w tym:

  • Azure Blob Storage
  • Azure Data Lake Storage Gen2
  • Microsoft OneLake

Możesz również przekazać pliki lub foldery do magazynu używanego przez projekt AI Foundry.

Zrzut ekranu przedstawiający okno dialogowe Dodawanie danych w portalu Microsoft Foundry.